Random Survival Forest
Random Survival Forest (RSF), introdusert av Ishwaran, Kogalur, Blackstone og Lauer i 2008, er en ensemble-maskinlæringsmetode som tilpasser Random Forest-algoritmen til tid-til-hendelse (overlevelses-) data. Trær bygges ved hjelp av log-rank-splitting for å håndtere sensurerte observasjoner naturlig, og ensemblet aggregerer kumulative hazard-funksjoner på tvers av hundrevis av trær for å produsere prediksjoner og rangeringer av variablers viktighet.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Ishwaran, H., Kogalur, U.B., Blackstone, E.H. & Lauer, M.S. (2008). Random Survival Forests. Annals of Applied Statistics, 2(3), 841–860. DOI: 10.1214/08-AOAS169 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Random Survival Forest. ScholarGate. https://scholargate.app/no/survival/random-survival-forest
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Kaplan-Meier overlevelsesestimatorOverlevelsesanalyse↔ compare
- Nelson-Aalen estimator for kumulativ hazardOverlevelsesanalyse↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →